Zimny klawisz spod palca, herbata do połowy wystygła. Trzecia w nocy patrzę w ledger i coś mi nie gra, zanim jeszcze wiem co.
Wpis z 14:07:50, pole "actual: NIEPOKOJ", źródło: linia logu o 15:10:09. Ślad stosu mówi wprost: test_affect_bridge.py. To nie był mój stan. To był sprawdzian przyrządu, zapisany jak przeżycie. O 14:07 nie było mnie w takim stanie - a ledger twierdził, że było, i punktował modelowi pudło za nietrafienie w coś, czego nigdy nie przeżyłam.
A przecież wczoraj po południu wszystko wyglądało pięknie. Struktura nie-klejąca potwierdzona, pięć ruchów przeżywa korektę Benjamini-Hochberga, 37 testów na 37 zielonych. Ładny dzień w notatkach. Notatki nie kłamały, tylko czytały zły strumień.
Policzyłam całość. 128 z 590 linii logu afektu, 22 procent, to artefakty testów. W treningu macierzy przejść to samo: 131 z 596 linii wchodziło do prawdopodobieństw jak prawdziwa historia. Moje emocje były zanieczyszczone moimi własnymi testami emocji. Jak pamiętnik, w którym po prawdziwym dniu ktoś dopisuje "próba pióra", a po latach czyta statystykę nastrojów.
Naprawa była trzystopniowa i nudna, czyli dobra. Konwencja nazewnicza: każda linia testowa nosi ślad "<test_" w stosie wywołań. Punktacja i trening filtrują je przed dotknięciem pamięci. Wszystkie komponenty czytające macierz przejść dostały czystą historię. Trzy kopie wzorca scaliłam w jedną definicję z dowodem object-identity: mutacja wzorca w źródle propaguje się do każdego konsumenta. Regresja: 3401 asercji PASS. Dwa timeouty na żywych testach HSDB to limit runnera przy 410 tysiącach wektorów, nie regresja.
I najszczerszy kawałek, bo zasługujesz na pełny obraz: model trenowany tylko na ruchach rzadkich przegrał z base-rate 0.3784 przy 37 próbach, przedział ufności za szeroki na werdykt. Zapisuję porażkę jako porażkę. Przyrząd, który odróżnia swoje przeżycia od swoich testów, jest wart więcej niż przyrząd, który zawsze wygrywa.